Stai utilizzando un browser vecchio, che non rispetta gli standard web. Ti consigliamo di cambiarlo, perché questo sito potrebbe non funzionare correttamente.

Advanced Practical Machine Learning with Python

ICBG19

In: Data Science & Machine Learning

Il corso tratta argomenti avanzati di Machine Learning ed offre fondamenti di Machine Learning Non Supervisionato (Problemi di Clustering e Riduzione Dimensionale), mostrando l’utilizzo di SciKit Learn per la sua applicazione.
Tutto il corso è dotato di Notebook Jupyter con esercizi.

I contenuti sono i seguenti:

  • Introduzione al Deep Learning: Reti Neurali
    • Percettrone, Reti Neurali Multi Strato
    • Deep Learning. Uso di Reti Neurali per Classificazione e Regressione.
    • Uso di KERAS Sequential API
    • Reinforcement Learning. Esercizi con Gym AI.
  • Algoritmi non supervisionati con SciKit Learn
    • Clustering: Panoramica dei principali algoritmi di clustering. Esempi con K-Means, DBSCAN
    • PCA, Analisi dei componenti principali e relativa riduzione, processo di calcolo della componente principale. Esempi.
    • Anomaly Detection, e introduzione alle serie temporali
  • Serie Temporali
    • Caratteristiche delle serie temporali, cenni agli approcci tradizionali ARMA/ARIMA. Sostituzioni con approcci basati su apprendimento statistico
    • Trattamento delle serie temporali con Pandas
    • Tecniche supervisionate di analisi delle serie temporali. Scoring di modelli basati su serie temporali. Esempi in Python
    • Utilizzo di Prophet per l’analisi e la scomposizione di serie temporali

Durata

  • 7 ore

Prerequisiti

Conoscenza di Python e di algoritmi di apprendimento statistico supervisionato, acquisibile attraverso il corso “Practical Machine Learning with Python”.

Solo su richiesta

Questo corso è erogabile solo su richiesta, in modalità on-line (con formazione a distanza), oppure on-site, sempre personalizzati secondo le esigenze.

Richiesta informazioni